战斗机机动动作分类与模型
一、机动动作分类
机动动作一般是根据飞行员的实际飞行经验总结得出的,具有很强的实战意义,经过多年的发展,已经形成了从简单到复杂的诸多机动动作。
从理论上看,机动飞行动作是指飞行器的飞行状态(速度、位置、姿态等)随时间的快速变化。在实际空战当中,飞行员驾驶飞行器通过采用机动飞行来改变飞机当前的位置与角度,从而占据有利的进攻位置或逃避对方的攻击。机动飞行最早出现在第一次世界大战时期,由于当时飞机的动力系统较弱,机动飞行通常停留在水平平面内。到第二次世界大战期间由于发动机技术的进步,大推重比的飞行器以及三维空间内的机动飞行开始不断产生。
其中三维空间内的机动飞行动作通常可看做二维空间内的机动动作的组合,即铅垂面内的机动,包括:跃升机动、俯冲机动以及筋斗机动、水平加(减)速机动等;以及水平面内的机动,包括:快速滚转机动、小半径转弯机动等[48]。通过这些基本的飞行动作,可以实现复杂的综合机动飞行,如:滚筒机动、破S(Split S)机动等。
但应注意到,三维复杂机动飞行中飞行器呈现出横、纵向相互耦合的气动特性,这是二维平面内的机动飞行所不存在的,因此其控制难度较大。
还有一类特殊的机动行为被称作过失速机动,又称超机动,是新一代战斗机的典型特征之一,常见的超机动动作有眼镜蛇机动、Herbst机动等。这种状态下飞机迎角往往很大,动态特性表现出高度的非线性特征,而且气动参数随时间变化的范围较大。未来空战仍是近距空战与远距空战并存,因而超机动格斗能力也不能忽略,其中基于矢量推力的超机动飞行也是近些年的一个研究热点。
下图展示了几种经典的机动动作,包含铅垂面机动筋斗,水平面的横滚机动,复杂综合的破S机动,以及过失速眼镜蛇机动。
(a) 筋斗机动 (b) 横滚机动
(c) 英麦曼机动 (d) 眼镜蛇机动
典型战术机动动作
二、机动动作的模型
机动动作包括飞行轨迹和操纵指令,大多基于数学公式描述和示教法产生。由于部分机动动作的复杂性,难以用数学公式描述;示教法又称为学徒学习,是指学习者模仿专家的行为或者控制策略,现已成功应用于机器人导航、无人机及无人车控制等领域。
⑴ 数学公式
根据有经验的驾驶员完成的试飞结果,模拟出近似曲线,推导得出机动动作的轨迹模型。同时记录生成飞行员的操纵指令,得出机动动作的指令生成器。
⑵ 离散模型
数据序列:结合多条已经校正后的演示轨迹以及它们相应的噪声估计,通过灵活运用卡尔曼滤波算法,学习出了期望的参考轨迹。其中:z 目标轨迹数据序列的状态向量, y 是演示轨迹数据序列的状态向量, 是目标轨迹的时间指数。
轨迹学习算法
神经网络拟合:普通机动动作的描述可以采用位置序列加上随机干扰,采用迭代学习控制的方法实现。在有人机的实现中,主要靠飞行员根据短时的姿态感知控制飞机实现。考虑到战术机动的动作时间更短,采用姿态时间序列描述机动动作更加合适。而实际中,每次得到的机动动作数据不可能完全相同,这种相似性的描述可以通过加入随机扰动项描述,非线性的时间序列可以采用反馈时序网络等构建。
姿态序列的时序网络
这种模型的优点在于:可以从数据中获得,描述了有人机战术机动飞行控制具有状态局部性的特点。还可以利用神经网络和深度学习生成悬停指令,降落和其他指令等,用于直接操纵飞行伺服系统。这种端到端的网络直接输出控制器指令、使用方便,但功能有限、抗干扰能力相对较差。
战斗机机动动作分类与模型相关推荐
- 基于PyTorch搭建CNN实现视频动作分类任务代码详解
数据及具体讲解来源: 基于PyTorch搭建CNN实现视频动作分类任务 import torch import torch.nn as nn import torchvision.transforms ...
- python姿态检测实现多人多姿态识别python行为识别openpose行为骨骼框架检测动作识别动作检测行为动作分类
效果演示: 视频演示: python行为识别行为骨骼框架检测动作识别动作检测行为动作分类 项目下载链接:https://download.csdn.net/download/babyai996/875 ...
- MIT与Facebook提出SLAC:用于动作分类和定位的稀疏标记数据集
近日,MIT 与 Facebook 共同提出了用于动作分类和定位的大规模视频数据集的标注方法,新的框架平均只需 8.8 秒就能标注一个剪辑,相比于传统的标注过程节省了超过 95% 的标注时间,继而证明 ...
- C3D:视频动作分类demo实现
C3D:视频动作分类demo实现 C3D这个网络是来自于learning Spatiotemporal feature with 3DConvolutional Networks这篇文章,我也对这篇文 ...
- CNN(卷积神经网络)在视频动作分类中的应用
简介 Large-scale Video Classification with Convolutional Neural Networks Fusion Method Multi-resolutio ...
- 使用UCF101完成的视频动作分类识别
文章目录 前言 一.UCF101数据集简述及下载 二.使用Conv3D来处理 0. 装好各种包 1. 修改main.ipynb的path路径代码,然后运行main.ipynb的全部代码 2. 修改pr ...
- 利用表面肌电信号对手部抓取动作分类的新型卷积网络模型
利用表面肌电信号对手部抓取动作分类的新型卷积网络模型 文章目录 利用表面肌电信号对手部抓取动作分类的新型卷积网络模型 一.相关研究 二.材料和方法 2.1 数据集 2.2 数据预处理 2.3 DUAL ...
- 机器学习(16)ROC曲线与AUC指标(癌症分类的模型检测--AUC指标)
目录 一.基础理论 0.引言 1.TPR与FPR 1.TPR(召回率) 2.FPR 2.ROC曲线 3.AUC指标 二.癌症分类的模型检测(AUC指标) 1.正反例转1.0 2.计算AUC指标 总代码 ...
- 非常规解释:分类ML模型的十大模型性能指标
2020-06-21 12:31:00 全文共3574字,预计学习时长11分钟 图源:unsplash 本文将带大家了解10个最重要的模型性能指标,这些指标可用于评估分类模型的模型性能.一旦了解了指标 ...
最新文章
- Gridview导出到Excel,Gridview中的各类控件,Gridview中删除记录的处理
- C语言如何产生随机数
- jQuery如何使用css方法修改单个样式?
- 3D特征:关于HFM和HBB
- Java并发编程笔记之ConcurrentLinkedQueue源码探究
- leetcode 115. 不同的子序列(dp)
- signature=efaf25d07c6ea03d7552906c0caee5a8,幼児の認知発達における関係把握の問題
- 大学计算机基础实训指导第四版,大学计算机基础:学习指导与实训篇(第4版)...
- 安卓传感器全解:注册、注销传感器、监听传感器,距离传感器、方向传感器、陀螺仪、加速计、磁场、气压传感器
- 【开源项目】二、Smart Admin 通用型中后台解决方案
- Matlab带阻滤波器实验报告,有源滤波器实验报告
- 华为浏览器工具箱 html修改,华为电子文档浏览器(HedEx Lite)
- 计算机怎么快捷截图桌面,计算机屏幕截图快捷方式是获取屏幕截图的四种方法. 如何在笔记本电脑上截图?...
- CSPS2019Day2T1(Emiya家今天的饭)题解
- 史上最搞笑的程序员段子,有图有真相!
- Map_Excise1
- python画人脸编程怎么写_如何在Python(GUI)中绘制人脸
- 全员全域安全守护,蔚来ET7获Euro NCAP五星安全评级背后的硬核实力
- 牛逼的Android UI
- jdk groovy版本_Groovy JDK(GDK):日期和日历
热门文章
- 个人博客选择网站空间的六个技巧
- 亲测好用的视频后期合成软件:Nuke 13(完美支持12系统和m1)
- 在php中ceil是什么意思,PHP ceil()函数
- echarts 折线图 设置y轴最小刻度_用plotly和plt画图的基本设置(标题、坐标轴、图例、注释、图像)...
- 几率波量子雷达/反事实量子通信
- 2019计算机跨保经验:清(深)北交浙计算所经验
- 利用visio 画思维导图
- d196g服务器无响应,幻影路由器D196G手机怎么设置? | 192路由网
- 2021-工程实践与创新大赛-智能物流搬运
- C++版本OpenCv教程(二十七)图像中添加高斯噪声